MétaCan
Menu
Retour à la cohorte
Enregistrement W2758512993

Case Study: Comparing Measured and Finite Element Modelled Footfall Vibration Levels in a New Research Building

2017· article· en· W2758512993 sur OpenAlexaffvenue
Briet Louise Coetzer, Julia M. Graham, Steve Meszaros

Notice bibliographique

RevueCanadian acoustics · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Engineering and Vibration Analysis
Établissements canadiensRowan Williams Davies & Irwin (Canada)
Organismes subventionnairesnon disponible
Mots-clésVibrationStructural engineeringFinite element methodStiffnessBeam (structure)EngineeringAccelerationComputer scienceAcousticsPhysics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Occupant footfalls are often the most critical source of floor vibration on the elevated floors of buildings.  In research facilities employing high resolution electron microscopes, this issue can be critical.  Modifications to reduce vibration impacts in completed buildings typically require major changes to the mass, stiffness or damping of the floor system. As such, vibration impacts on sensitive equipment need to be addressed during the design stage. There are various methods available for predicting vibration levels from footfalls. The Finite Element (FE) approach presented in The Steel Construction Institute (SCI) P354 and The Concrete Centre (CCIP) 016 methodologies, which considers the interaction of many modes, is generally accepted to be more accurate than other methodologies that rely on simple beam theory.  A case study is presented where measurements were performed on bare concrete floors, prior to completion of the Brimacombe Building addition at the University of British Columbia. The facility requires a low vibration environment to support world leading quantum materials research. The measured vibration levels are compared with the values predicted by the SCI P354 and CCIP 016 methodologies to assess the accuracy of the prediction methodology in the absence of damping inherent in completed buildings.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,155
Score d'incertitude au seuil0,925

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,148
Tête enseignante GPT0,329
Écart entre enseignants0,181 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian acousticsMême sujetStructural Engineering and Vibration AnalysisTravaux en français237 207